4. 图像预处理算法基础：色彩空间转换、白平衡与伽马校正
各位同学，今天我们来聊聊内窥镜图像预处理中最核心的几个算法。说白了，就是让原始传感器数据变成人眼看着舒服、医生能诊断的图像。我在做内窥镜项目时，发现很多新手一上来就搞深度学习，结果发现原始图像质量太差，算法根本跑不动。嗯，预处理这步，其实比你想的重要得多。
4.1 色彩空间转换：RGB2YUV
为什么要把RGB转成YUV？你想想看，人眼对亮度敏感，对颜色没那么敏感。YUV刚好把亮度和色度分开。我习惯用YUV422格式，因为它在FPGA里特别好处理——说白了就是节省带宽。
RGB到YUV的转换公式其实很简单：
Y = 0.299 * R + 0.587 * G + 0.114 * B
U = -0.147 * R - 0.289 * G + 0.436 * B
V = 0.615 * R - 0.515 * G - 0.100 * B但在FPGA里，浮点数是个大麻烦。我建议直接用定点化处理。举个例子，把系数放大256倍：
Y = (77 * R + 150 * G + 29 * B) >> 8
U = (-38 * R - 74 * G + 112 * B) >> 8
V = (157 * R - 132 * G - 26 * B) >> 8这里要注意，负数处理要小心。我曾经踩过一个坑——直接用有符号乘法器，结果符号位扩展搞错了，图像出现条纹。后来我改成先做无符号乘法，再单独处理符号位，问题就解决了。
流水线设计思路：
- 第一级：并行读取R、G、B三个像素值
- 第二级：三个乘法器同时计算（每个通道独立）
- 第三级：加法器累加，移位操作
- 第四级：输出Y、U、V
整个流水线只需要4个时钟周期，吞吐量能达到一个像素/时钟。
4.2 白平衡算法
内窥镜图像经常偏色，因为光源色温不稳定。白平衡说白了就是让白色物体在图像里看起来是白的。我常用的方法是灰度世界法——假设整幅图像的平均颜色是灰色。
算法步骤：
- 统计整帧图像的R、G、B均值
- 计算增益系数：Gain_R = G_avg / R_avg，Gain_B = G_avg / B_avg
- 对每个像素应用增益
在FPGA里实现时，我建议用行累加的方式。为什么？因为整帧统计需要存一帧图像，太浪费BRAM了。我习惯的做法是：
// 伪代码示意
always @(posedge clk) begin
if (vsync) begin // 帧同步信号
sum_r <= 0;
sum_g <= 0;
sum_b <= 0;
pixel_cnt <= 0;
end else if (de) begin // 数据有效
sum_r <= sum_r + r_data;
sum_g <= sum_g + g_data;
sum_b <= sum_b + b_data;
pixel_cnt <= pixel_cnt + 1;
end
end等一帧结束，用除法器算出均值。这里有个技巧——除法器很贵，我一般用查找表或者移位近似。比如把像素数近似成2的幂次，直接用移位代替除法。
注意：白平衡增益不能无限大。我曾经遇到过极端情况——某个通道均值接近0，增益算出来几百倍，图像直接饱和。一定要加限幅处理，我一般限制增益在0.5到2.0之间。
4.3 伽马校正
伽马校正，说白了就是调整图像的亮度曲线。人眼对暗部细节更敏感，所以我们要把暗部拉开，亮部压缩。标准伽马值是2.2。
公式：
V_out = V_in ^ (1 / gamma)在FPGA里做幂运算？别闹。我建议用查找表（LUT）。把0-255的输入值对应的输出值提前算好，存到ROM里。这样每个像素只需要一次查表操作。
但这里有个问题——8位输入对应256个地址，精度够吗？我个人习惯用10位输入，1024个地址，精度更好。代价就是多用了4个BRAM块，但效果提升明显。
我的经验：伽马校正可以和前面的白平衡合并成一个查找表。把白平衡增益和伽马校正系数融合，提前算好一个综合LUT。这样能省一级流水线，延迟更小。我在一个4K@60fps的项目里就是这么干的，效果很好。
4.4 定点化与流水线设计总结
这三个算法在FPGA里实现，核心思路就两点：
- 定点化：浮点转整数，用移位代替除法，用LUT代替复杂运算
- 流水线：每个算法拆成3-4级，级间用寄存器打拍，保证吞吐量
我建议你把这三个算法串成一条流水线：
| 流水线级 | 操作 | 延迟（时钟周期） |
|---|---|---|
| 第1级 | RGB输入，寄存器打拍 | 1 |
| 第2级 | RGB2YUV乘法运算 | 1 |
| 第3级 | 白平衡增益乘法 | 1 |
| 第4级 | 伽马校正查表 | 1 |
| 第5级 | 输出YUV数据 | 1 |
总共5级流水线，延迟5个时钟周期。对于1080p@60fps的图像，每个像素只有约7.7ns的处理时间，5级流水线完全能跑满。嗯，这就是FPGA的魅力——用空间换时间。
好了，这一章的内容就这些。下一章我们会讲图像增强算法，包括直方图均衡化和锐化滤波。到时候我会分享一个我在内窥镜项目中遇到的噪声问题，挺有意思的。